人工神經網絡論文

人工泛指人造的;人為的。下面是小編為你帶來的人工神經網絡論文 ，歡迎閲讀。

　　人工神經網絡的發展及應用

摘要隨着科學技術的發展，人工神經網絡技術得到了空前的發展，並且在諸多領域得到了廣泛的應用，為人工智能化的發展提供了強大的動力。人工神經網絡的發展經歷了不同的階段，是人工智能的重要組成部分，並且在發展過程中形成了自身獨特的特點。文章對人工神經網絡的發展歷程進行回顧，並對其在各個領域的應用情況進行探討。

關鍵詞人工神經網絡;發展;應用

隨着科學技術的發展，各個行業和領域都在進行人工智能化的研究工作，已經成為專家學者研究的熱點。人工神經網絡就是在人工智能基礎上發展而來的重要分支，對人工智能的發展具有重要的促進作用。人工神經網絡從形成之初發展至今，經歷了不同的發展階段，並且在經濟、生物、醫學等領域得到了廣泛的應用，解決了許多技術上的難題。

1人工神經網絡概述

關於人工神經網絡，到目前為止還沒有一個得到廣泛認可的統一定義，綜合各專家學者的觀點可以將人工神經網絡簡單的概括為是模仿人腦的結構和功能的計算機信息處理系統[1]。人工神經網絡具有自身的發展特性，其具有很強的並行結構以及並行處理的能力，在實時和動態控制時能夠起到很好的作用;人工神經網絡具有非線性映射的特性，對處理非線性控制的問題時能給予一定的幫助;人工神經網絡可以通過訓練掌握數據歸納和處理的能力，因此在數學模型等難以處理時對問題進行解決;人工神經網絡的適應性和集成性很強，能夠適應不同規模的信息處理和大規模集成數據的處理與控制;人工神經網絡不但在軟件技術上比較成熟，而且近年來在硬件方面也得到了較大發展，提高了人工神經網絡系統的信息處理能力。

2人工神經網絡的發展歷程

2.1 萌芽時期

在20世紀40年代，生物學家McCulloch與數學家Pitts共同發表文章，第一次提出了關於神經元的模型M-P模型，這一理論的提出為神經網絡模型的研究和開發奠定了基礎，在此基礎上人工神經網絡研究逐漸展開。1951年，心理學家Hebb提出了關於連接權數值強化的法則，為神經網絡的學習功能開發進行了鋪墊。之後生物學家Eccles通過實驗證實了突觸的真實分流，為神經網絡研究突觸的模擬功能提供了真實的模型基礎以及生物學的依據[2]。隨後，出現了能夠模擬行為以及條件反射的處理機和自適應線性網絡模型，提高了人工神經網絡的速度和精準度。這一系列研究成果的出現為人工神經網絡的形成和發展提供了可能。

2.2 低谷時期

在人工神經網絡形成的初期，人們只是熱衷於對它的研究，卻對其自身的侷限進行了忽視。Minskyh和Papert通過多年對神經網絡的研究，在1969年對之前所取得的研究成果提出了質疑，認為當前研究出的神經網絡只合適處理比較簡單的線性問題，對於非線性問題以及多層網絡問題卻無法解決。由於他們的質疑，使神經網絡的發展進入了低谷時期，但是在這一時期，專家和學者也並沒有停止對神經網絡的研究，針對他們的質疑也得出一些相應的研究成果。

2.3 復興時期

美國的物理學家Hopfield在1982年提出了新的神經網絡模型，並通過實驗證明在滿足一定的條件時，神經網絡是能夠達到穩定的狀態的。通過他的研究和帶動，眾多專家學者又重新開始了對人工神經網絡方面的研究，推動了神經網絡的再一次發展[3]。經過專家學者的不斷努力，提出了各種不同的人工神經網絡的模型，神經網絡理論研究不斷深化，新的理論和方法層出不窮，使神經網絡的研究和應用進入了一個嶄新的'時期。

2.4 穩步發展時期

隨着人工神經網絡研究在世界範圍內的再次興起，我國也迎來了相關理論研究的熱潮，在人工神經網絡和計算機技術方面取得了突破性的進展。到20世紀90年代時，國內對於神經網絡領域的研究得到了進一步的完善和發展，而且能夠利用神經網絡對非線性的系統控制問題進行解決，研究成果顯著。隨着各類人工神經網絡的相關刊物的創建和相關學術會議的召開，我國人工神經網絡的研究和應用條件逐步改善，得到了國際的關注。

隨着人工神經網絡的穩步發展，逐漸建立了光學神經網絡系統，利用光學的強大功能，提高了人工神經網絡的學習能力和自適應能力。對非線性動態系統的控制問題，採取有效措施，提高超平面的光滑性，對其精度進行改進。之後有專家提出了關於人工神經網絡的抽取算法，雖然保證了精度，但也加大了消耗，在一定程度上降低了神經網絡的效率，因此在此基礎上又提出了改進算法FERNN。混沌神經網絡的發展也得到了相應的進步，提高了神經網絡的泛化能力。

3人工神經網絡的應用

3.1 在信息領域中的應用

人工神經網絡在信息領域中的應用主要體現在信息處理和模式識別兩個方面。由於科技的發展，當代信息處理工作越來越複雜，利用人工神經網絡系統可以對人的思維進行模仿甚至是替代，面對問題自動診斷和解決，能夠輕鬆解決許多傳統方法無法解決的問題，在軍事信息處理中的應用極為廣泛[4]。模式識別是對事物表象的各種信息進行整理和分析，對事物進行辨別和解釋的一個過程，這樣對信息進行處理的過程與人類大腦的思維方式很相像。模式識別的方法可以分為兩種，一種是統計模式識別，還有一種是結構模式識別，在語音識別和指紋識別等方面得到了廣泛的應用。

3.2 在醫學領域的應用

人工神經網絡對於非線性問題處理十分有效，而人體的構成和疾病形成的原因十分複雜，具有不可預測性，在生物信號的表現形式和變化規律上也很難掌握，信息檢測和分析等諸多方面都存在着複雜的非線性聯繫，所以應用人工神經網絡決解這些非線性問題具有特殊意義[5]。目前，在醫學領域中的應用涉及到理論和臨牀的各個方面，最主要的是生物信號的檢測和自動分析以及專家系統等方面的應用。

3.3 在經濟領域中的應用

經濟領域中的商品價格、供需關係、風險係數等方面的信息構成也十分複雜且變幻莫測，人工神經網絡可以對不完整的信息以及模糊不確定的信息進行簡單明瞭的處理，與傳統的經濟統計方法相比具有其無法比擬的優勢，數據分析的穩定性和可靠性更強。

3.4 在其他領域的應用

人工神經網絡在控制領域、交通領域、心理學領域等方面都有很廣泛的應用，能夠對高難度的非線性問題進行處理，對交通運輸方面進行集成式的管理，以其高適應性和優秀的模擬性能解決了許多傳統方法無法解決的問題，促進了各個領域的快速發展。

　4總結

隨着科技的發展，人工智能系統將進入更加高級的發展階段，人工神經網絡也將得到更快的發展和更加廣泛的應用。人工神經網絡也許無法完全對人腦進行取代，但是其特有的非線性信息處理能力解決了許多人工無法解決的問題，在智能系統的各個領域中得到成功應用，今後的發展趨勢將向着更加智能和集成的方向發展。

　參考文獻

[1]徐用懋，馮恩波.人工神經網絡的發展及其在控制中的應用[J].化工進展，1993(5)：8-12，20.

[2]湯素麗，羅宇鋒.人工神經網絡技術的發展與應用[J].電腦開發與應用，2009(10)：59-61.

[3]李會玲，柴秋燕.人工神經網絡與神經網絡控制的發展及展望[J].邢台職業技術學院學報，2009(5)：44-46.

[4]過效傑，祝彥知.人工神經網絡的發展及其在巖土工程領域研究現狀[J].河南水利，2004(1)：22-23.

[5]崔永華.基於人工神經網絡的河流匯流預報模型及應用研究[D].鄭州大學，2006.